การปฏิวัติ “เอ็กซ์โวลูชัน” ของ AI ที่กำลังจะเกิดขึ้น

ในปัจจุบัน เรากำลังยืนอยู่ที่จุดเปลี่ยนของความก้าวหน้าทางเทคโนโลยี และเรากำลังติดตามการเดินทางจาก LLMs ไปสู่ระบบอージェนต์ และสุดท้ายคือ AI ที่มีเจตนา และ AGI ซึ่งไม่ใช่แค่เรื่องของโมเดลที่ใหญ่ขึ้นหรือการตอบสนองที่เร็วขึ้น แต่ยังเป็นเรื่องของเครื่องจักรที่เปลี่ยนจากการเป็นผู้ช่วยที่ไม่มีพลังงานไปสู่การเป็นผู้ร่วมงานที่มีพลังงาน และอาจจะเป็นผู้คิดอิสระในอนาคต

มาทำความเข้าใจเส้นทางนี้และสำรวจสิ่งที่มันหมายถึงสำหรับการทำงาน ความเชี่ยวชาญ และบทบาทของมนุษย์ใน việcกำหนดความฉลาดของอนาคต

ความแตกต่างระหว่าง LLMs ระบบอージェนต์ และ AI ที่มีเจตนา

เพื่อทำความเข้าใจความแตกต่างได้ดีขึ้น มาดูตัวอย่างกัน หากฉันถาม LLM เกี่ยวกับ “ฉันต้องการเดินทางจาก芝加哥ไปออสติน โดยไม่ขับรถเกิน 4 ชั่วโมงต่อวัน และหยุดพักในสถานที่ที่สวยงาม” LLM ทั่วไปจะตอบกลับด้วยข้อความที่สร้างขึ้นโดยใช้ภาษา แต่จะไม่ทำการวิเคราะห์ที่ครอบคลุม

ระบบอージェนต์จะจัดประเภทคำขอเป็นเรื่องการเดินทาง ก่อนที่จะกำหนดข้อมูลที่จำเป็น เช่น เส้นทางโดยใช้บริการแผนที่ ข้อมูลสภาพอากาศ ค่าใช้จ่ายในการเดินทาง โรงแรม ร้านอาหาร ฯลฯ จากนั้น ระบบอージェนต์จะแบ่งคำขอออกเป็นงานย่อยๆ และส่งไปยังโมเดลหรือ LLM ที่ได้รับการฝึกฝนจากแหล่งข้อมูลที่เกี่ยวข้อง นี่คือการประสานงานและควบคุมโมเดลและเครื่องมือหลายๆ อย่างภายใต้ตรรกะที่เป็นเอกภาพ

ปัจจุบัน ระบบอージェนต์หลายๆ ระบบ เช่น ChatGPT หรือ Claude จาก Anthropic เป็นระบบอージェนต์โดยพื้นฐานแล้ว แม้ว่าผู้ใช้จะรู้สึกว่ากำลังโต้ตอบกับโมเดลเดียว แต่เบื้องหลังเป็นโครงสร้างที่ซับซ้อนซึ่งประกอบด้วยโมเดลและระบบหลายๆ อย่าง พวกมันสามารถจัดการคำถามที่ซับซ้อนได้ แต่ความสามารถของพวกมันยังคงจำกัดอยู่ที่การให้ข้อมูลเท่านั้น และยังไม่สามารถดำเนินการใดๆ ได้

ระบบอージェนต์ที่มีเจตนาเป็นระบบที่สามารถรวบรวมข้อมูลและดำเนินการโดยอิสระ เช่น จองโรงแรม ซื้อตั๋ว หรือเริ่มการชำระเงิน หากมีการเข้าถึง API หรือข้อมูลผู้ใช้ที่เกี่ยวข้อง ระบบอージェนต์เหล่านี้อยู่ในช่วงการพัฒนาที่เริ่มต้น และยังคงเป็นระบบอージェนต์ครึ่งหนึ่ง ที่สามารถประมวลผลข้อมูลได้ แต่ยังไม่สามารถดำเนินการโดยอิสระได้

เรื่องที่น่าสนใจในการอภิปรายในชุมชนการวิจัยคือ AI ที่มีเจตนา ซึ่งไม่เหมือนกับระบบอージェนต์ทั่วไปที่พฤติกรรมถูกกำหนดโดยนักพัฒนา AI ที่มีเจตนาเป็นระบบที่สามารถตัดสินใจโดยอิสระว่าจะทำอะไร ข้อมูลที่ต้องการคืออะไร และแม้กระทั่งการฝึกอบรมตัวเอง นี่คือการไปไกลกว่าการปฏิบัติตามคำสั่ง และเกี่ยวข้องกับการตัดสินใจโดยอิสระ อย่างไรก็ตาม AI ที่มีเจตนา vẫnอยู่ในขั้นทฤษฎีและไม่มีระบบดังกล่าวในทางปฏิบัติ

AGI – 地平线ใหม่ แต่จะบรรลุผลได้หรือไม่?

Meta ได้ลงทุนใน Scale AI เมื่อสามเดือนที่แล้ว โดยมีเป้าหมายที่จะร่วมมือกันในการสร้าง AGI หรือ Artificial General Intelligence ซึ่งสามารถทำงานได้ทุกอย่างที่มนุษย์สามารถทำได้ หรือแม้กระทั่งเหนือกว่า หาก AI ในปัจจุบันเป็นปฏิวัติทางเทคโนโลยี AGI จะเป็นปฏิวัติเมกะ และบางครั้งฉันเรียกมันว่า “เอ็กซ์โวลูชัน” ซึ่งหมายถึง “การอพยพ” ของ AI จากเงา ผู้ที่บรรลุเป้าหมายนี้ก่อนจะได้รับประโยชน์เชิงกลยุทธ์ระดับโลก

เกี่ยวกับว่าเรากำลังใกล้จะบรรลุ AGI จริงๆ แล้วหรือไม่นั้น ขึ้นอยู่กับว่าเรากำหนดมันอย่างไร ฉันเห็นด้วยกับมุมมองของ Ilya Sutskever ที่ว่า AGI คือระบบที่สามารถทำงานได้ทุกอย่างที่มนุษย์สามารถทำได้ ไม่ใช่แค่ตอบคำถาม แต่ยังรวมถึงการให้เหตุผล การตัดสินใจ การสรุปผล และการวิเคราะห์ข้ามโดเมนต่างๆ AGI ที่แท้จริงคือสิ่งที่เป็นสากลและไม่จำกัดอยู่ในขอบเขตงานที่แคบ

ไม่มีโมเดลใดที่บรรลุระดับนั้นในขณะนี้ เรากำลังเดินไปในทิศทางนั้น แต่ AGI ในทฤษฎีจริงยังคงไม่มีอยู่ และอาจจะเป็นเรื่องที่ดี เรายังคงอยู่ในขั้นตอนการประมาณค่า และมีแนวโน้มว่าจะยังคงอยู่ในขั้นตอนนั้นเป็นเวลานาน

พื้นฐานของ AGI จะเป็นระบบอージェนต์โดยพื้นฐานแล้ว ไม่จำเป็นต้องอาศัย LLM เพียงตัวเดียว เพราะไม่มีมนุษย์คนใดที่สามารถครอบคลุมทุกโดเมนของความรู้และทักษะได้ และไม่มี LLM ที่สามารถจัดการกับงาน AGI ทั้งหมดได้ด้วยตัวเอง สิ่งที่เราต้องการคือ “ปัญญาเชิงกลุ่ม” ซึ่งเป็นโครงสร้างที่สามารถประสานงานโมเดลและองค์ประกอบหลายๆ อย่างได้

AGI มีแนวโน้มที่จะเกิดขึ้นไม่ใช่แค่ระบบที่มนุษย์ออกแบบ แต่เป็นระบบที่พัฒนาและพัฒนาต่อเนื่องด้วยความช่วยเหลือของ AI เอง ซึ่งเป็นสิ่งสำคัญเพราะระบบที่ออกแบบโดยมนุษย์อาจมีข้อจำกัดที่มีอยู่ในตัว การมีส่วนร่วมของ AI ในกระบวนการออกแบบสามารถช่วยให้ระบบมีความยืดหยุ่นและปรับเปลี่ยนได้

AGI ไม่น่าจะมาจากความก้าวหน้าใดๆ โดยเฉพาะ ไม่ว่าจะเป็น LLM ที่ใหญ่ขึ้น ระบบอージェนต์ที่ฉลาดขึ้น หรือโครงสร้างใหม่ที่ไม่เคยเห็นมาก่อน แต่จะมาจากการสังเคราะห์ของทั้งสามสิ่งนั้น โดยส่วนใหญ่จะเป็นสิ่งใหม่ที่ไม่เคยเห็นมาก่อนซึ่งไปไกลกว่าหมวดหมู่ที่เรากำหนดไว้ในปัจจุบัน

“การสอบสุดท้ายของมนุษยชาติ” และมาตรฐาน AGI อื่นๆ

“การสอบสุดท้ายของมนุษยชาติ” (HLE) เป็นหนึ่งในมาตรฐานที่มีความทะเยอทะยานที่สุดซึ่งกำลังถูกอภิปรายในบริบทของ LLMs, ระบบอージェนต์ และ AGI โดยพื้นฐานแล้วเป็นการทดสอบที่ประกอบด้วยคำถามประมาณ 2,500 ข้อ ซึ่งครอบคลุมหลายสาขาวิชา เช่น คณิตศาสตร์ ฟิสิกส์ ชีววิทยา เคมี วิศวกรรมศาสตร์ วิทยาการคอมพิวเตอร์ และแม้กระทั่งหมากรุก การทดสอบนี้มีจุดมุ่งหมายเพื่อประเมินว่าระบบ AI สามารถแก้ปัญหาได้ที่ระดับที่สะท้อนถึงความเข้าใจของมนุษย์จริงๆ

โมเดลภาษาปัจจุบันทำงานได้ไม่ดีนักในการทดสอบ HLE โดยมีคะแนนความแม่นยำน้อยกว่า 5% ซึ่งแสดงให้เห็นว่าพวกมันยังคงห่างไกลจากความฉลาดทั่วไปที่แท้จริง

เป็นสิ่งสำคัญที่ต้องทราบว่าการทำงานที่ดีในมาตรฐานที่มีฐานข้อมูลที่ทราบหรือแคบไม่ได้บ่งบอกถึงความฉลาดทั่วไปที่แท้จริงเสมอ โมเดลสามารถถูกปรับให้เหมาะสมหรือ “ฝึกฝนให้เหมาะสม” ซึ่งอาจทำให้ความสามารถที่แท้จริงดูสูงขึ้น ดังนั้น คะแนนสมบูรณ์แบบในการทดสอบ HLE จึงไม่ได้หมายความว่าเราได้บรรลุถึง AGI แต่หมายความว่าเราผ่านการทดสอบนั้นได้เท่านั้น

สิ่งที่ขับเคลื่อน AGI

ฉันเห็นด้วยอย่างเต็มที่ว่าเสาหลักของ AGI คือ ข้อมูล การคำนวณ และทักษะ สถานการณ์กับการคำนวณเป็นเรื่องที่ชัดเจน ผู้เล่นหลักๆ เช่น Meta พยายามผลิตชิปของตนเอง โดยลงทุนหลายพันล้านดอลลาร์ในการพัฒนาชิปของตนเอง แต่ยังคงพึ่งพาชิปและกำลังคำนวณของผู้เล่นอื่นๆ เช่น Nvidia ซึ่งไม่เพียงแต่จัดหาอุปกรณ์ที่จำเป็นเท่านั้น แต่ยังเข้าใจถึงความสำคัญของการเพิ่มการผลิต

คำถามที่มีมากกว่านั้นคือเกี่ยวกับข้อมูลและทักษะ อินเทอร์เน็ตได้หมดไป – ไม่มีข้อความที่มนุษย์สร้างขึ้นจากแหล่งที่เปิดที่ไม่ได้ถูกใช้ในการฝึกอบรมในขณะนี้ ปริมาณข้อมูลทั้งหมดที่มนุษยชาติสร้างขึ้นจนถึงตอนนี้มีขนาดเล็กเกินไป ดังนั้นบริษัทต่างๆ จึงเริ่มร่วมมือกับผู้ที่สามารถสร้างข้อมูลคุณภาพสูงได้

การทำงานอัตโนมัติเต็มรูปแบบหรือการทำงานร่วมกับมนุษย์?

จุดอื่นๆ คือ การลดความต้องการการทำเครื่องหมายข้อมูลด้วยมือ เมื่อไม่กี่ปีที่แล้ว อุตสาหกรรมนี้เติบโตอย่างรวดเร็ว โดยมีผู้ทำเครื่องหมายข้อมูลหลายพันคนเข้าร่วมเพื่อเลี้ยงกระบวนการ AI แต่ปัจจุบัน โมเมนตัมส่วนใหญ่已经เปลี่ยนไปสู่การทำงานอัตโนมัติ

ลองพิจารณาการรู้จำใบหน้า มันเคยเป็นหนึ่งในตัวขับเคลื่อนหลักของปริมาณการทำเครื่องหมายภาพ แต่หมวดหมู่นี้ได้รับการแก้ไขแล้ว โมเดลอย่าง YOLO, SAM และ Samurai ดูดซับงานประจำไปอย่างรวดเร็ว โดยสามารถบีบอัดสัปดาห์ของความพยายามของมนุษย์ให้เหลือเพียงนาที โดยมีความแม่นยำที่น่าประทับใจ

เรายังได้ใช้เครื่องมือที่ช่วยโดย ML หลายอย่างในแพลตฟอร์ม Keylabs ที่เป็นของเรา ซึ่งช่วยลดกระบวนการทำงานประจำได้จริงๆ

แต่โมเดลเหล่านี้มีข้อจำกัดในการสรุปผลและเหมาะสมสำหรับการทำงานอัตโนมัติในงานมาตรฐานและสม่ำเสมอเท่านั้น กรณีที่ซับซ้อนหรือไม่เหมือนใครยังคงต้องการความสนใจจากมนุษย์

เรากำลังออกจากแบบแผนเก่าซึ่งผู้ทำเครื่องหมายข้อมูลเป็นเพียงบุคคลที่มีรายละเอียดและสามารถรู้จำวัตถุหรืออารมณ์ได้ ในความเป็นจริง ผู้เชี่ยวชาญจำเป็นต้องมีแพทย์ในการทำเครื่องหมายภาพทางการแพทย์ นักเขียนโปรแกรมในการเขียนโค้ด สถาปนิกในการสร้างแผนผัง ผู้เชี่ยวชาญด้านการตลาดสำหรับข้อมูลลูกค้า และผู้เชี่ยวชาญด้านการทหารสำหรับสถานการณ์การป้องกัน

เรากำลังเห็นตัวอย่างในโลกแห่งความเป็นจริง เช่น นักบินขับไล่ที่ทำเครื่องหมายข้อมูลสำหรับ AI และได้รับค่าจ้าง 1,000 ดอลลาร์ต่อชั่วโมงสำหรับความเชี่ยวชาญของพวกเขา เนื่องจากผู้เชี่ยวชาญเหล่านี้มีจำนวนไม่มาก และความรู้ของพวกเขามีความสำคัญอย่างยิ่งในการฝึกอบรม AI ที่มีประสิทธิภาพสูง

โลกกำลังเปลี่ยนแปลงไป มากขึ้นเรื่อยๆ ที่ผู้คนกลายเป็นผู้ดำเนินการและ “ผู้ฝึก” ของ AI เพียงไม่นานมานี้ ฉันได้รับข้อความบน LinkedIn ที่ขอให้ฉันตรวจสอบชุดข้อมูลสำหรับแอป AI ที่ออกแบบสำหรับ CEO ในอนาคต ใดๆ ของเราอาจได้รับข้อเสนอให้ทำงานเป็นผู้ทำเครื่องหมายข้อมูล ไม่ใช่แค่บุคคลที่คลิกปุ่ม แต่เป็นผู้เชี่ยวชาญที่ความรู้ของพวกเขาช่วยกำหนดความฉลาดของอนาคต

เรากำลังอาศัยอยู่ในความเป็นจริงใหม่นี้ ซึ่งเป็นโลกของการทำเครื่องหมายข้อมูลและฝึกอบรม AI ผู้ที่รับรู้และปรับตัวให้เข้ากับโลกนี้จะได้รับประโยชน์อย่างมาก